Nutzen Sie alle Daten, die Sensoren in Ihren Produkten liefern? Verraten diese, welche Funktionen die Anwender lieben und welche sie links liegen lassen? Um an dieses Wissen zu kommen, braucht man leistungsfähige IT, aber auch die richtige Organisation im Unternehmen.
In der Medizintechnik liefern klinische Großgeräte nicht nur medizinische Daten, sondern auch solche, die für den Betrieb des Gerätes und die betriebswirtschaftliche Optimierung hohe Relevanz haben können. Wer solche Daten aggregiert und analysiert, bekommt vielleicht neue Ideen, wie sich Kosten reduzieren lassen oder neue Umsätze entwickeln können – ein Thema, das die Medtech-Branche gerade entdeckt.
Das gemeinsame Ziel aller, die sich mit den so genannten „Big Data“ beschäftigen, ist es, die Masse an Daten, die Sensoren sekündlich in Maschinen generieren, beherrschbar zu machen. Hierzu werden intelligente und hochleistungsfähige IT-Systeme gebraucht, für Organisation, Auswertung und Visualisierung. Da Big Data schon in wenigen Jahren in allen Branchen wesentlich präsenter sein wird als heute, werden im Verdrängungsprozess die Unternehmen zu den Verlierern zählen, die große Datenmengen nicht zu bewältigen und die darin versteckten Informationen nicht zu nutzen verstehen.
Daher stellt sich für die Medizintechnikunternehmen die Frage, wie sie zu einem „analytischen“ Unternehmen werden. Die Mühe könnte sich lohnen: Als Ergebnis winken deutlich kürzere Entwicklungszyklen und eine größere Prozesssicherheit. Die gesammelten Daten können zum Beispiel Aufschluss darüber geben, welche Funktionen eines Gerätes von Kliniken, Ärzten oder anderen Anwendern besonders häufig genutzt werden. Was nicht genutzt wird, kann man in der nächsten Produktgeneration gleich wieder abschaffen. Das bringt geringere Kosten und eine schnellere Marktreife mit sich. Fehlerraten in komplexen Produkten lassen sich mit Hilfe geschickt analysierter Daten ebenfalls minimieren, was die Anzahl an Gewährleistungsansprüchen signifikant und nachhaltig reduziert.
An entscheidungsrelevante Informationen kommt man aber immer erst auf der Grundlage vieler Milliarden Daten. De facto übersteigen Datenmenge und Komplexität heute noch die Aufnahmemöglichkeit einzelner Personen oder Organisationseinheiten in Unternehmen. Allerdings stehen schon leistungsfähige Sensoren und Algorithmen sowie Systeme bis zu Cloud-Architekturen zur Verfügung, um die Daten zu speichern und zu analysieren. Basierend auf der In-Memory-Technologie mit modernen Prozessoren, können Korrelationen und Visualisierungen von Milliarden Datensätzen in wenigen Sekunden erstellt werden – statt, wie bisher üblich, über viele Stunden.
Über das Speichern und Analysieren hinaus führen aber erst analytische und statistische Methoden zu Kenngrößen, die als konkrete Prozesse und Zustandsinformationen interpretiert werden. Die aktuelle Herausforderung ist, auf der technischen Seite das entsprechende Abstraktionsvermögen bereitzustellen und andererseits das erzeugte Wissen in das analytische System eines Unternehmens zu integrieren, es also erst verfügbar zu machen.
Diese Maßnahme, die ein „analoges“ Unternehmen in ein „analytisches“ überführt, greift tief in die Struktur und Prozesse ein und erfordert umfangreiche Anpassungen – es geht also um deutlich mehr, als der Unternehmensinfrastruktur „nur“ ein leistungsstarkes IT System hinzuzufügen.
Für die Medizintechnikbranche bietet die schnelle, präzise und prädiktive Datenanalyse Chancen in drei Bereichen. Der Erste ist die Nutzung medizinischer Großgeräte, bei denen die Datenauswertung zu einer schnelleren Entwicklung neuer Anlagen und zu Kostenvorteilen durch vorausschauende Wartung führen könnte. Auch scheinen – als zweites Szenario – erweiterte Geschäftsmodelle denkbar, die auf der spezifischen Nutzung der Geräte basieren – beispielsweise der Abrechnung pro Nutzung statt des einmaligen Verkaufs des Gerätes. Das ist zwar kein neuer Gedanke, aber Big Data könnte hier von Nutzen sein: Die Kostenkalkulationen würde deutlich genauer.
Ein dritter Bereich ist die Nutzung medizinischer Daten für E-Health. Durch statistische Analyse können medizinische Informationen generiert werden, um beispielswei- se die Infrastruktur zur medizinischen Versorgung regional oder überregional zu optimieren. Schnelle Analysen und Prozesse liefern Informationen in wenigen Sekunden, so dass sie auch auf extreme und sehr komplexe Situationen reagieren können.
Damit wird künftig nicht nur die Beherrschung des entstehenden Datenvolumens, sondern der gesamten Komplexität ein Schlüsselfaktor sein. Derzeit stehen wir am Anfang des Big-Data-Trends. Wer im Wettbewerb vorne dabei sein will, muss sich jetzt Gedanken machen, bevor der Abstand zwischen den Early Adopters und den Nachzüglern unüberwindbar wird. Die Beherrschung großer Datenmengen wird künftig eine Kernkompetenz von Unternehmen sein.
- Dr. Andreas Hasse Dr. Dorothea Pohlmann Altran, Frankfurt
- Weitere Informationen Über die Technologieberatung Altran: www.altran.de
- Big Data
- Analyse großer Datenmengen
- Komplexe Zusammenhänge
- IT-System
- Unternehmensorganisation
Ihr Stichwort
Big Data – wen geht das etwas an?
Big Data bezeichnet das Phänomen sehr großer und rapide anwachsender Datenmengen in allen gesellschaftlichen Bereichen und in vielen Gebieten der Wirtschaft. Mit diesem Datenvolumen verbunden ist die Herausforderung, aus den Daten verlässliche und aktuelle Informationen zu generieren. Dabei ist zu berücksichtigen, dass die den Daten zugrunde liegenden Zusammenhänge immer komplexer werden. Um Prozesse, Produkte oder Kommunikation zu beschreiben, finden zusehends multivariate Modelle Verwendung.
Dies abzubilden, erfordert hoch performante Systeme und analytische Expertise. Beides ist heute prinzipiell verfügbar. Die Ressource „Daten“ zu nutzen, wird für viele Unternehmen in Zukunft wettbewerbsentscheidend sein, da hierüber signifikante Vorteile zu erzielen sind, unter anderem in den Bereichen Kosten und Time-to-market.
Nach aktuellen Berechnungen verzehnfacht sich die verfügbare Datenmenge etwa alle fünf Jahre. Diese Entwicklung wird vor allem durch die zunehmende maschinelle Erzeugung von Daten getrieben, zum Beispiel über Protokolle von Telekommunikationsverbinden (CDR) und Web-Zugriffen (Weblogs), automatische Erfassungen von RFID-Lesern, Kameras, Mikrofonen und sonstigen Sensoren. Big Data fallen auch in der Finanzindustrie an – bei Finanz-Transaktionen oder im Zusammenhang mit Börsendaten – sowie im Energiesektor (Verbrauchsdaten) und im Gesundheitswesen (Management von Großgeräten, E-Health).
Unsere Whitepaper-Empfehlung
Lesen Sie, warum Medizintechnikunternehmen ihre Testprozesse für die Validierung von Software optimieren müssen und wie sie dabei die Erfahrung der Automobilbranche für sich nutzen können.
Teilen:
